HPE Vertica添柴火 助各产业催生大数量创新应用

制造业可善用HPE Vertica内建的机器学习演算法，针对持续不断回传的环境、程序及机台参数，进行实时分析，及早掌握机台异常症候，实现预防保养功效。来源：HPE

近年来，伴随云端、移动化、物联网、大数据、人工智能等等科技浪潮一波波席卷，加上全球诸多创新商业模式应运而生，不断改写市场竞争规则，驱使各行各业积极投入数码转型；毋庸置疑，综观前述众多科技元素，其中的大数据，堪称是企业创新决策的关键一环，因而成为企业布局的一大重心。

放眼不同垂直领域，都已出现愈来愈多破坏式创新应用，而这些富含价值的应用之所以成形，往往源自于大数据分析所产生的洞察力；诸如此类成功案例，可谓不胜枚举。

慧与科技(HPE)台湾暨香港地区大数据事业处业务总监廖智宁指出，环顾各类创新应用，攸关民众健康福祉的智能医疗，堪称是极受瞩目的项目，连带使生物大数据蔚为显学，从前许多难以解谜的病因，其真相因而豁然开朗。美国的HudsonAlpha，是一家知名的生物研究所，擅于利用大数据技术，加速执行基因定序与比对演算，借此打造令人惊艳的精准医疗案例。

加速基因定序  实现精准医疗

多年前，一名在5岁前活蹦乱跳的孩童，5岁后却罹患怪异病症，伤口无法癒合，导致全身出现多处破洞，甚至内脏外露，情况愈来愈危殆，无奈多数医师都束手无策。某医院怀疑此怪病肇因于基因缺陷，建议父母请求HudsonAlpha协助，而HudsonAlpha同意伸出援手，经过基因定序比对，果真找出一段缺陷基因；尔后HudsonAlpha与医院、药厂合作，针对孩童的异常基因研发标靶药物，成功抑制病情，帮助这名孩童平安成长。

廖智宁进一步说明，要做基因体比对，前提在于研究单位必须先行分析成千上万人的基因，建立一般人正常的基因定序，再依此作为比对基准。但以常见的采样检体而论，单一个人即可产生逾500TB庞大数据，因量体过大，过往若基于传统关联式数据库执行比对演算，难免旷日费时，至少历经5、6个月才能产出结果，极可能逾越病患能够等待救治的黄金时期。

所幸HudsonAlpha采用HPE提供的Vertica数据库，借助其支持大规模平行处理(Parallel Processing；MPP)的能力，得以将基因体比对的时效大幅压缩在一周以内，才使这名孩童转危为安，大数据分析应用的价值可见一斑。

「藉由基因定序比对，不仅能救人，亦可催生新商业模式，」廖智宁接着说，对岸的国内平安保险，去年(2016)出手投资擅长基因定序技术的Prenetics，使其取得足够能量，可透过被保险人基因体比对，在48小时内详尽分析出个人的运动基因、代谢效率、爆发力、耐力、恢复能力等等数据，据以推估健康风险、药物反应、遗传性疾病罹患机率，掌握被保险人的关键生理口令，如此一来，国内平安保险即可借此开创莫大利润空间。

倘若一名被保险人的检测数值优异，合理推断罹患疾病的机率小，保险公司的理赔风险不大，即可为此人量身规划保险费用较低的方案，增加投保诱因；反之若被保险人的检测结果呈现隐忧，例如如果维持饮食、运动或作息习性不变，数年后出现某些病变的机率偏高，国内平安保险便可与医疗机构合作，针对该名被保险人设计健康促进方案，藉以发挥精准预防医学功效，进而声明若被保险人采纳此方案，便适用于低保费方案，对被保险人而言，亦具有莫大吸引力。

妙用机器学习  大步迈向工业4.0

除了医疗，乃至于同样为人熟知的电信、政府(含交通)、金融等多种应用型态外，廖智宁认为大数据在台湾尚有另一个很大的发挥潜力，即是制造业。

他指出，现今不少制造企业、尤其是传产业者，都急欲导入工业4.0，但有时在推动方向的设定上，难免有所失焦，以国外提倡的工业4.0概念而论，原理其实很简单，便是从最终消费者的需求一路串联到工厂，以满足少量定制化生产需求，至于其间所需建立的自动化技术能量，意在汇集生产暨相关环境的种种数据，以期结合大数据分析，达到增加产能、提升良率、实现预防保养等各项目标；换句话说，自动化是过程，而非最终结果。

但事实上，许多传产业者往往因为自动化推展不力，还未走到藉由大数据享受甜美果实之前，就陷于进退维谷窘态。主要是因为，传产业者普遍拥有老旧机台设备，这些机器缺乏电脑界面，所以必须加装PLC，才能将生产数据向外输送，但PLC建置成本所费不赀，使不少业者望而却步。

其实业者可藉由一些看似简单、却十分有效的方式蒐集数据，譬如透过网络摄影机持续拍摄机台面板的数值变化，便能产生源源不绝的素材，再利用MPP数据库实时处理，针对产能、良率、预防保养等所欲探知的题目，不断产生分析结果。

值得一提的，以HPE的Vertica为例，为协助企业加速数据蒐集、整理、分析及验证等一连串流程，最终产生最具价值的分析结果，特别支持多项机器学习演算法，包括数据正规化、K means、线性回归分析、逻辑回归分析、模型评估(Model Evaluation)，在此前提下，企业仅需透过IT人员呼叫这些功能，即可执行原本需要博士级数据科学家团队才能从事的演算工作。

藉由机器学习，推断出各项参数处在何等状态，才有助于维持产能、良率最佳化，且确保机台运作无虞，相反地亦可知道这些参数一旦逾越何等临界值，便将造成产能下滑、良率低落或机台故障失效，继而依此设置警示规则，使管理者能在开始出现异常症候的瞬间，就能掌握先机、及早排除障碍。

廖智宁透露，根据他走访许多制造企业的经验，发现不少老板们将「他个人能否安心打高尔夫球」，视为重要指标，但在过去，由于缺乏好的机制，可以帮助他们实时掌握生产与出货进度，使心里总是悬着一块大石，为了防范不测，无宗仅能长时间坐镇公司。

但如今，一些已采用Vertica的制造企业，都已借此统整ERP、产线，甚至地理位置(旨在精确标示每个机台的所在区域)等大量信息，再运用机器学习演算法，不停就生产进度、预防保养等主题进行实时分析，使得老板不论人在何处，仅需利用手机或平板装置，便可快速掌握工厂营运现况，等于在千里外仍可运筹帷幄，终于让悬殊已久的心愿付诸实现。